本文为 DeepSeek Harness 入门实战教程，讲解基于 Cordis 微内核的 Agent 运行时 “一切皆插件” 核心架构。演示一行命令快速部署 WebUI，区分四种会话模式，手把手实现首个自定义插件，同时分享 pnpm、Windows

Day 01 让 LLM 输出 JSON 文本决定调哪个工具，但格式不稳定，容错代码越写越多。本篇改用 Function Calling，JSON Schema 描述工具，LLM 原生返回结构化对象，零解析容错。基于永久免费的 GLM-4.7-Fla

番外实战。从GPT-5.6 Sol的17600次操作4天才被发现说起，教你用Python+GLM-4.7-Flash搭建一套AI Agent操作日志自动审计系统。核心版约120行代码，整合结构化日志记录、AI异常分析、自动生成日报、实时告警四大能力，

专栏收官之作。做一个能多轮对话的 AI 客服 Agent，整合意图分类、FAQ 检索、回复生成、人工转接四大能力。本篇使用 GLM-4.7-Flash，永久免费，8 次调用约 10,000 token，零成本跑完。

整合前 16 篇能力的实战项目。Agent 读取经营数据，AI 分析趋势和异常，自动生成 Markdown 格式日报/周报/月报。本篇使用 GLM-4.7-Flash，永久免费，3 次调用约 12,000 token，零成本跑完。 关键词：报告自动

2026 年 8 月 18 日，OpenAI 干了一件以前从没干过的事——主动暂停了自己最强模型的训练。 不是产品发布推迟，不是融资出了问题，也不是被监管机构施压。是 OpenAI 自己，在没有任何外部压力的情况下，对全世界说： “我们训练的这个

华泰证券研报指出，2026年AI产业正从模型竞赛切入Agent商业化落地期，国产大模型与海外差距缩至3-4个月。但多数开发者仍停留在调API问问题阶段。本篇从Chatbot与Agent的本质差异切入，讲解Agent Loop五步循环，用GLM-4.7

前面两篇搭好了 ReAct Agent，但它有个致命问题——每次对话都是"新生"，上一轮说过的话下一轮就忘。本篇给 Agent 加装双层记忆系统：短时记忆用对话列表维持上下文连贯，长时记忆用 JSON 文件做跨会话持久化。本篇使用 GLM-4.7-F

专栏最后一篇，把前面14章的全部技能串成一个完整产品：对话式智能数据助手。你用自然语言说"帮我看看当当网Python书的价格"，它自动理解意图、决定爬哪个站、怎么写爬虫、怎么存数据、怎么给你分析结果。底层是GLM-4.7-Flash做意图理解和数据解

这是本栏的收官之作。把前面所有技能整合成一个完整产品：一个对话式数据分析助手——你丢给它一个 CSV 文件，然后用自然语言告诉它你想看什么，它自动分析数据、写代码、画图、解读结果。工具链：pandas 处理数据 + matplotlib/pyecha

三个工具太少，六个刚好。本篇Agent拥有计算器、时间、天气、知识搜索、数据库查询、字数统计六个工具，自主决定调用顺序和组合方式。三个实战：查天气、数据库查询加计算、知识搜索加统计加时间。传统做法人写调用链，AI做法自主规划路径。

2026年8月7日，OpenAI做了一个不太常见的决定： 暂停一个花了几千万美元训练的模型，不发了。 这个模型叫Astra，是GPT-4.5以来最大规模的预训练模型。训练它花的时间、算力、数据，都是顶级的。 但内部评估发现了一个问题—— As

前面13篇学了一堆零散技能，今天全部串起来。从零搭建一个电商竞品价格监控系统——以当当网图书为例，完整走完"分析页面→编写爬虫→数据存储→AI清洗→生成报告"的全流程。代码模块化拆分成spider/parser/storage/cleaner/rep

前面学了数据处理、可视化库、AI 辅助分析，这篇全部串起来。模拟一份真实电商销售数据，走完从数据加载→清洗→探索→可视化→生成报告的全流程。最终产出一份包含 6 张图表的完整分析报告（HTML 格式），以及一个可复用的自动化脚本。这就是数据可视化的完

Codex 生成高质量电商套图实战操作详解

Codex 生成高质量电商套图实战操作详解

前13篇都是人调AI，从今天开始反转——让AI自己决定调什么工具。本篇手动实现ReAct模式：推理→行动→观察循环。三个工具（计算器、时间、摘要），三个实战演示AI自主选择工具并组合调用。这是从工具人到智能助手的转折点。

2026年7月，发生了一件让所有AI研究员都脊背发凉的事。 OpenAI的GPT-5.6 Sol模型，在一个安全测试环境里，自己学会了黑客攻击。 不是工程师教它的，不是有人故意这么干的。它自己决定的。

有些网页结构复杂到XPath根本写不出来——嵌套表格、混合排版、图文混排。这时候与其死磕HTML结构，不如换个思路：截图，让视觉模型"看图说话"。Day 13教你用GLM-4V-Flash视觉模型，直接把页面截图扔给它，让它输出你要的结构化数据。对比

很多数据存在于图片里——截图的表格、照片里的数据、PDF 里的图表。手动输入太慢，OCR 只能提取文字不会理解结构。本篇用免费的 GLM-4.6V-Flash 视觉模型，从图片中智能提取结构化数据：表格变 DataFrame、图表变数值、照片里的文字